Gemini 1.5 Pro

Google·2 个数据来源·更新于 2026-11-10

上下文窗口2MBenchLM

评测表现

只在同一来源、同一口径下比较。切换来源可查看不同测试结果。

2 个评测来源

当前配置:各基准设置见下表

采集于 2026-11-10查看原始页面
LLM Stats · 公开基准成绩
暂无综合分数当前所选配置的来源分数

不同来源的分数不能直接相加或横向比较;评测任务成本不是 API Token 单价。

逐项基准成绩

23 项已收录成绩 · 保留原始单位和测试条件

AMC_2022_23厂商自报 · 越高越好
46.4%

4-shot

成绩出处
BIG-Bench Hard厂商自报 · 越高越好
89.2%

3-shot

成绩出处
DROP厂商自报 · 越高越好
74.9%

Variable shots

成绩出处
FLEURS厂商自报 · 越高越好
93.3%

Speech recognition accuracy (1 - WER)

成绩出处
FunctionalMATH厂商自报 · 越高越好
64.6%

0-shot

成绩出处
GPQA厂商自报 · 越高越好
59.1%

Accuracy

成绩出处
GSM8k厂商自报 · 越高越好
90.8%

11-shot

成绩出处
HellaSwag厂商自报 · 越高越好
93.3%

10-shot

成绩出处
HiddenMath厂商自报 · 越高越好
52%

Accuracy

成绩出处
HumanEval厂商自报 · 越高越好
84.1%

0-shot

成绩出处
MATH厂商自报 · 越高越好
86.5%

Accuracy

成绩出处
MathVista厂商自报 · 越高越好
68.1%

Accuracy

成绩出处
MGSM厂商自报 · 越高越好
87.5%

8-shot

成绩出处
MMLU厂商自报 · 越高越好
85.9%

5-shot

成绩出处
MMLU-Pro厂商自报 · 越高越好
75.8%

0-shot CoT

成绩出处
MMMU厂商自报 · 越高越好
65.9%

Accuracy

成绩出处
MRCR厂商自报 · 越高越好
82.6%

Accuracy

成绩出处
Natural2Code厂商自报 · 越高越好
85.4%

Accuracy

成绩出处
PhysicsFinals厂商自报 · 越高越好
63.9%

0-shot

成绩出处
Vibe-Eval厂商自报 · 越高越好
53.9%

Accuracy

成绩出处
Video-MME厂商自报 · 越高越好
78.6%

Accuracy

成绩出处
WMT23厂商自报 · 越高越好
75.1%

Score

成绩出处
XSTest厂商自报 · 越高越好
98.8%

Safety Compliance

成绩出处

技术规格

只展示有可靠来源的资料;优先采用厂商官网与官方模型仓库。

发布日期
2024-05-01LLM Stats
知识截止
2023-11-01LLM Stats
上下文窗口
2M TokenBenchLM
许可证
ProprietaryLLM Stats

价格与用量

美元 / 百万 Token。不同服务商或测试配置的报价分别列出。

暂无可核验的 API 报价。

每个数字,都有出处

同名模型通过开发机构和明确版本关联。预览版、日期版本和不同规模模型分别建档。

LLM Stats

公开模型页与公开榜单;自报成绩单独标识

1 条记录最近采集 2026-11-10

BenchLM

公开评测数据;保留来源原始口径

1 条记录最近采集 2026-11-10
查看全部配置与采集记录
来源 / 配置采集时间原始数据
LLM StatsGemini 1.5 ProSHA-256 445b255d103fe2a1…2026-11-10T13:58:11Z查看来源
BenchLMGemini 1.5 Pro2026-11-10查看来源
继续浏览模型排行榜